谁能向我解释如何理解这个情节。这是使用径向基函数的 2D 散射数据插值。
http://www.alglib.net/interpolation/introductiontorbfs.php
在这个链接中,他们展示了这个图。但不明白他们试图用这个图来表示什么。
(来源:alglib.net)
谁能向我解释如何理解这个情节。这是使用径向基函数的 2D 散射数据插值。
http://www.alglib.net/interpolation/introductiontorbfs.php
在这个链接中,他们展示了这个图。但不明白他们试图用这个图来表示什么。
(来源:alglib.net)
这些是径向基函数的中心。每个圆圈对应一个G(x;m,s)
具有均值m
和(标量)方差的高斯分布s
。这里的平均值从x=-5
到变化,x=5
而|y|=2
保持不变。在所有高斯分布中,方差似乎是各向同性且相同的。
使用这些函数,人们可以继续进行某种回归。对此有多种选择:例如,可以考虑那些高斯的简单线性叠加并优化叠加系数(这将是线性回归式)。另一方面,也可以尝试优化超参数,即均值和方差,使拟合变得最接近。
然而,从这个图中,基本问题已经很清楚了:维度越高,获得良好拟合所需的函数就越多(例如,考虑对位于点周围的东西进行插值(-5,-5)
——它根本就没有不工作)。这个问题通常被称为维度灾难。